インタビュアー:尾崎 大輔(日本評論社『経済セミナー』編集長)
1. 貧困問題への関心から、労働経済学へ
尾崎:
このインタビュー・シリーズでは、独立行政法人経済産業研究所(RIETI)で学術研究・政策研究に取り組む皆さまに、政策現場に近いところでの研究の実際や、その醍醐味を伺っていきます。第5回は荒木祥太さんです。
荒木:
荒木です。RIETIで研究員(政策エコノミスト)を務めています。政策エコノミストとしての仕事は、経済産業省や中小企業庁の政策についての効果検証です。また、労働経済学や人事経済学分野で応用ミクロ計量経済学を用いた学術研究にも取り組んでいます。
尾崎:
どのようなきっかけで、経済学に関心を持たれたのでしょうか。
荒木:
経済学に関心を持ったのは、高校生のときに大学受験の進路を考えていた頃でした。当時から、特に日本における貧困問題に関心がありました。経済学を学べば、そうした問題に対して政策的に何ができるのかを考えられるのではないかと思い、経済学部に進学しました。貧困問題に関心を持った背景は、高校時代の経験にあります。私が通っていたのはカトリック系の高校で、大阪府の西成、釡ヶ崎の地域に行き、炊き出しなどに関わる体験学習の機会がありました。実際に現場を見たときに大きな衝撃を受け、貧困問題に強い関心を抱くようになりました。
大学入学後は、貧困問題を考えるには、労働経済学の中の人的資本理論が鍵になるのではないかと感じ、より興味を深めました。貧困解消の方法の1つとして、人々が学校や企業で自身の能力を高め、賃金を引き上げることが重要なのではないかと考えました。卒業論文では実証分析にチャレンジし、さらにミクロ計量経済学を学びたいと思って、一橋大学大学院経済学研究科の修士課程に進学しました。
尾崎:
大学院では、どのような研究をされたのでしょうか。
荒木:
修士論文では、若年者の労働供給について研究しました。また、RIETIでリサーチアシスタントとして、一橋大学で指導教員だった川口大司先生(現・東京大学)がリーダーを務めていた研究プロジェクトに参加する機会をいただき(注1)、企業の人事データを使ったキャリアの分析などに取り組みました。
博士課程では、従業員のキャリアに関する研究に加え、「企業活動基本調査」などを用いて企業海外進出が国内の活動にどのような影響を与えるかを分析しました。博士論文は「1990年代以降の日本労働市場の分析:組織内における資源配分の役割に注目しての分析」という形で、博士課程で取り組んだ研究やRIETIのプロジェクトでの研究をまとめ、日本の労働市場を実証的に分析した論文として構成しました。扱うテーマは幅広くなりましたが、詳細なデータを用いて実証分析を行うというスタイルは一貫しています。
尾崎:
就職は、大学院からすぐにRIETIを選ばれたんですよね。
荒木:
はい。博士論文をまとめるのに時間がかかっていたのですが、その時期に、当時副所長だった森川正之先生にお声掛けいただき、博士号取得前からRIETIで研究員として勤務することになりました。それ以降、現在に至るまでRIETIで働いています。
2. 政策エコノミストとしての役割
尾崎:
続いて政策研究、特にEBPM業務について伺っていきます。RIETIでは2022年4月にEBPM業務を担う「EBPMセンター」が創設されています。やはりここが中心的な役割を担っているのでしょうか。
荒木:
「EBPM」という言葉が流行する前から、RIETIではEBPM的な政策評価のような業務が行われていました。私自身も経済産業省の方々と議論する機会はたびたびありました。そのため、EBPMセンターが創設されてから急に新しいことが始まったというわけではないのですが、政策担当部局から正式に具体的な分析依頼を受け、研究プロジェクトとして効果検証を行うという仕組みは、EBPMセンターができてより組織的に進むようになったと思います。
現在のRIETIのEBPM業務は、大きく、次の2つに分類できます。1つは、政策実施前に効果を推定する仕事です。たとえば、産業連関表などを使って政策の効果を事前に見積もるような取り組みがあります。もう1つは、実施された政策の効果を因果推論やミクロ計量経済学の手法を用いて事後的に検証する仕事です。私は主に後者の方に関わっています。
3. 政策効果を測るために何をしているか?:「GoTo商店街」の事例
尾崎:
事後的な効果検証は、具体的にどのように進められるのでしょうか。
荒木:
まず経済産業省側で効果検証を行いたい政策案件について検討され、それが決まるとRIETI側に「こういう政策を検証してほしい」という形で依頼が届きます。RIETI側では、依頼にマッチする研究員に担当が割り振られます。担当が決まると、政策担当部局とRIETIの担当者とで打ち合わせを行い、政策担当者の問題意識などから聞き取りを行います。そのうえで、どんなデータが使えそうか、因果推論的な分析として何ができそうかを議論していくことになります。
ここで直面する困難は、政策の対象となった企業や自治体などについては、政策実施後の報告やフィードバックなどからデータを収集できることが多い一方、政策の対象となっていない主体の情報を集めるのは難しいという点です。そのため、政策効果を検証するうえで政策の影響を受けた主体と受けなかった主体を比較する因果推論の枠組みに単純に落とし込むのが難しいケースにたびたび直面します。そこで、RIETI側で使えそうなデータを探し、政策担当部局からも手元の情報を提供いただきつつ、どのような分析が可能かを考えていきます。
尾崎:
政策担当部局としては、なぜある政策について効果検証を行いたいと考えるのでしょうか。よくある問題意識として、どのようなものが挙げられますか。
荒木:
その点については、私が関わった「GoTo商店街」という政策の効果検証を例にお話しします(注2)。「GoTo商店街」とは、2020年度から2022年度にかけて経済産業省・中小企業庁が実施した、コロナ禍で影響を受けた地域の商店街の集客イベントやオンラインイベントなどの販促活動を支援するもので、商店街が企画を立て、中小企業庁がそれを委託して費用を支払うという形で商店街の活動を支援する政策でした。
しかし、行政事業レビューなどでは「政策の成果指標が曖昧ではないか」という指摘を受けていました。GoToキャンペーンはコロナ禍における重要な政策の1つであり、経済産業省としても、それをきちんと検証する必要があるという問題意識を持たれていたのではないかと思います。
もともとの成果指標(KPI:Key Performance Indicator)は、採択された事業者が自分たちで目標を設定し、それを達成したか否かを見るというものでした。しかし、行政事業レビューでは、自身で設定した目標を成果指標とすると、甘い目標設定がなされやすくなるのではないか、といった指摘を受けていました。また、事業者ごとに目標が異なる状況下では、因果推論を行う際に統一的なアウトカム変数を設定することができません。政策担当部局でも、この点は課題として認識されていました。そこで、まずはアウトカム変数をどう設定するかが議論になりました。
アウトカムとして最初に検討されたのは、「売上」と「空き店舗」でした。ただし、政策の対象となった(処置群の)事業者のデータは得られても、政策の対象となっていない(対照群の)事業者について同じアウトカムのデータを得られません。そのため、既存の統計の個票データを使って分析上の工夫をするのが現実的だろうという結論になりました。そこで注目したのが、中小企業庁が実施する「商店街実態調査」です。ちょうど政策実施前後の時点で調査が行われていたため、これをうまく使えば、商店街の動向を分析できると考えました。
尾崎:
分析を進める過程で、政策担当部局とのやりとりはどの程度行われたのでしょうか。
荒木:
かなり綿密に、何度も打ち合わせをしながら進めました。当初は商店街実態調査の個票をパネルデータとしてつなぎ、政策前後の変化を見る方法を考えていました。しかし回答率が低く、複数時点をつなぐと利用可能なサンプルサイズがかなり小さくなり、推定値の標準誤差や信頼区間が大きくなって明確な結果が得られない懸念がありました。その際、政策担当部局の方から、コロナ禍の商店街への影響を調べるための「売上高が3年前と比べて何%変化したか」を尋ねる項目を使った方が、複数時点をつなぐよりも推定結果が安定するのではないか、という提案をいただきました。このように何度もミーティングを重ねて、暫定的な分析結果を説明し、他に使える手法はないか、どの変数が適切かを一緒に考えながら進めていきました。この点は、政策研究のおもしろいところだと思います。
4. 政策上のKPIと因果推論のアウトカムは違う?
尾崎:
GoTo商店街の効果検証で、特に難しかったのは
どんな点でしょうか。
荒木:
やはり、政策のアウトカムをどう設定するかという問題です。GoTo商店街の場合、もともと政策のKPIとして設定されていたものと、効果検証で扱ったアウトカムは異なります。しかし、仮に同じ変数を対象にしても、政策のKPIとして設定される目標値と、因果推論で推定される政策効果の値の対応関係をとるのは難しいと思います。なぜかというと、KPIと因果推論の推定値が同じ条件のもとで想定されているものではないからです。
KPIの目標値は、多くの場合、マクロ経済全体の変化や景気の動きなども含んだ数字になっています。一方、因果推論で推定するのは、そうしたマクロの変動を取り除いたうえでの政策の影響を示す数字です。そのため、得られた推定値が、政策担当部局の想定する規模感と比べて大きいのか小さいのかを判断するのが難しいのです。
実際の議論でも推定値を提示すると、「その推定結果は、多くの税金を投入してでも政策を実施した価値があったことを意味するのか?」と聞かれることがあります。しかし、この問いに答えるのは簡単ではありません。推定された政策効果が大きいか小さいか、政策として十分な効果だと言えるかまでは、別の基準がないと判断しにくいからです。そのため、分析のメッセージは費用との比較は度外視して、「効果があったか否か」の二択になりがちです。すると、「効果があれば続ける、効果がなければやめる」という方向で議論が進んでしまい、規模や内容を微調整しながら政策を改善していくという方向につなげにくくなってしまいます。
尾崎:
その壁を乗り越えるためには、どのような工夫が考えられるのでしょうか。
荒木:
政策当局がどれほどの効果を想定しているのかがわかりにくいという問題に対する工夫の1つとして、KPIのつくり方を工夫することが考えられます。たとえば、雇用や賃金が政策の関心事であれば、「毎月勤労統計」などを用いてマクロの賃金変動をある程度は把握できます。そうしたマクロ的な変動と比較して、政策を受けた企業や人々の同じ期間での変化を評価するような数値目標であれば、政策当局が想定している政策効果の規模感が、分析者のみならず国民にも伝わりやすいのではないかと思います。同時に、KPIの根拠をより明確にすることが求められるかと思います。目標となる数字も含めてKPIの設定は、まだブラックボックスになっている部分が多いように感じます。その根拠が公開されれば、効果検証の結果と比較しやすくなるはずです。
5. キャリア、昇進、KPIをめぐる新しい研究関心
尾崎:
現在の学術研究としては、どのようなテーマに関心を持っておられますか。
荒木:
GoTo商店街に関する研究に加えて、労働者がキャリアを通じていかにして自身に適した職業にたどり着くか。その過程に関心を持っており、人事データを使って労働者のキャリア形成の分析に取り組んでいます。特に、昇進の分析の中で、男女のキャリアの違いがどこにあるのか、昇進格差はどこから生じるのかを研究しています。
また、私が関心を持っている人事と組織の経済学では、人事評価や目標設定がどのような役割を持つかも重要な研究テーマです。行政組織のKPIにも、評価や目標設定の問題に通じる部分があるのではないかと感じ、研究を始めています。現在、行政事業レビュー見える化サイトなどを通じて、KPIやその達成度を省庁横断的にデータベース化する動きが進んでいます(注3)。それを見ると、全体的に達成率がかなり高い水準に集中しているように見えます。そのような結果が出ている背景には、組織として何らかのインセンティブが働いているのではないかという仮説を立てています。もし達成率が常に高いところに張り付いてしまう傾向にあるなら、政策の微調整は働きにくくなります。どこを改善すればより成果が上がるのかがわからなくなるからです。
もちろん、省庁や政策分野によって事情は異なるはずです。理想的な数字を目標として掲げなければならない指標と、より現実的な目標を掲げる指標とでは、達成の意味も違います。そうした違いも踏まえ、KPIがどう設定され、それがどんなインセンティブを生んでいるのかを、組織の経済学とも関連づけて研究できないかと考えているところです。
6. 政策現場で求められるのは「速さ」
尾崎:
政策現場と学術研究では、テーマ設定や進め方に違いがあると思います。特に、政策現場で求められる「エビデンス」と、査読付き論文で求められる「エビデンス」にはどんな違いがあるのでしょうか。
荒木:
政策現場では、特に「速さ」を求められるというのが私の理解です。とりわけ国の政策では、国会や予算編成のタイミングが重要です。それらに間に合うように、その時点で利用できるデータの中で最善を尽くして分析することが求められます。もっと時間をかければより良いデータが収集できるとしても、政策現場では必要なタイミングまでに結果を提示することが非常に重要です。
一方、学術研究では、より良いデータをきれいにそろえることが重視されます。政策を受けた処置群のデータは、政策現場でも比較的手に入りやすい。しかし、政策を受けていない対象を調査し、処置群と適切に比較できるような情報を集めるのは難しく、できたとしてもかなりの時間がかかります。これが、政策現場で求められるエビデンスと、学術研究で求められるエビデンスに速さの違いが生まれる要因の1つです。
もちろん、政策現場でも厳密性や正確性は大切です。ただ、何年もかけて完璧に近い分析を行うことよりも、政策意思決定の時点で使えるデータの中でできるだけ妥当な比較対象をつくり、効果を測れるように工夫するほうがより重視されます。「今後こういう政策が必要になるかもしれないから、事前にデータを準備しておけないか」と問われることもあります。確かにそれができればよいのですが、実際にはそう簡単なことではありません。必要となりうるデータの数には限りがなく、政策の対象とならない企業や事業所まで追跡してデータを集めるには費用も時間もかかるうえに、現場の協力も必要になります。さまざまな制約の中で、どこまで最善を尽くせるかを考えるのが、EBPMの難しさであり、面白いところだと思います。
7. データの背景を知ることで、研究の問いが磨かれる
尾崎:
最後に、政策現場に近い環境で、学術研究にも取り組みつつ、政策評価を行うことの醍醐味を教えてください。
荒木:
政策現場に近いところで研究する魅力は、政策の意図やデータのつくられ方について、現場の方から詳しい話を聞けることです。政策担当者は、どのような意図で政策を実施したのか、どのような理由でそのデータを集めたのかをよくご存じです。こうした情報は、研究の問いを設定する際にも有用です。また、RIETIでは経済産業省の企業データや公的統計の作成に携わってこられた方々が研究者として参画されるので、彼・彼女たちからデータの癖や注意すべき点を直接伺うこともできます。これは、大きなアドバンテージだと思います。
政策現場とのやりとりは、学術研究にも生きてきます。普通に研究しているだけでは知りえない情報や、データがつくられる制度的・実務的な背景に触れることができます。この点は、研究の問いを磨き、より良い実証研究につなげるためにも非常に意味のあることだと感じています。
[2026年4月20日収録]
※本記事は『経済セミナー』誌(日本評論社)とのコラボレーション連載です。